Método de generación de claves a partir de imagen de huellas dactilares basado en un modelo de red neural convolucional profunda

Método de generación de claves a partir de imagen de huellas dactilares basado en un modelo de red neural convolucional profunda

La biometría afecta nuestra vida. Las aplicaciones de seguridad emplean biometría. El cifrado biométrico está creciendo. El cifrado requiere la creación de una clave biométrica. Largo, aleatorio e inesperado es la clave. La investigación sobre seguridad de la información y las comunicaciones hace hi...

Descripción completa

Detalles Bibliográficos
Autores principales: Hashem, Mithak Ibrahim, Hasen Kuban, Kadhim
Formato: Online
Idioma:eng
Publicado: Universidad Nacional de Ingeniería (UNI) en Managua 2023
Acceso en línea:https://www.camjol.info/index.php/NEXO/article/view/17447
id NEXO17447
record_format ojs
spelling NEXO174472024-04-01T17:05:45Z Key generation method from fingerprint image based on deep convolutional neural network model Método de generación de claves a partir de imagen de huellas dactilares basado en un modelo de red neural convolucional profunda Hashem, Mithak Ibrahim Hasen Kuban, Kadhim Biometrics Fingerprint CNN Model Transfer Learning Key Generation Biometría Huella dactilar Modelo CNN Transferir Aprendizaje Generación de claves Biometrics effect our live. Security applications employ biometrics. Biometric encryption is growing. Encryption requires biometric key creation. Long, random, and unexpected is the key. Information and communication security research emphasizes long, strong encryption keys. The proposed system uses fingerprint biometrics to generate a long, random biometric encryption key for symmetric encryption. Pre-processing removed noise from donor fingerprint images in the dataset. The program then trains an updateable Tuned VGG-16 convolutional neural network model and tests it on fingerprint images to learn fundamental fingerprint properties. The convolutional neural netwoprk CNN model retains the final weights for the second model to extract encryption key features. Transfer learning built a second convolutional neural network model to retrieve features without relearning. Keeping vector mean for processing. The last step generates an encryption key based on each person's vector of unique biometric features can be used for symmetric encryption algorithms to encrypt personal documents on the personal PC or personal cloud. Our CNN based method uses biometrics to recognize people and create safe and trustworthy encryption keys with over 99% accuracy in testing. Our 98%-accurate deep ANN classifier exceeds the support vector machine and random forest classifiers. La biometría afecta nuestra vida. Las aplicaciones de seguridad emplean biometría. El cifrado biométrico está creciendo. El cifrado requiere la creación de una clave biométrica. Largo, aleatorio e inesperado es la clave. La investigación sobre seguridad de la información y las comunicaciones hace hincapié en claves de cifrado largas y sólidas. El sistema propuesto utiliza biometría de huellas dactilares para generar una clave de cifrado biométrica aleatoria larga para el cifrado simétrico. El preprocesamiento eliminó el ruido de las imágenes de huellas dactilares de los donantes en el conjunto de datos. Luego, el programa entrena un modelo de red neuronal convolucional Tuned VGG-16 actualizable y lo prueba en imágenes de huellas dactilares para conocer las propiedades fundamentales de las huellas dactilares. El modelo CNN de red neuronal convolucional conserva los pesos finales para que el segundo modelo extraiga las características clave de cifrado. El aprendizaje por transferencia construyó un segundo modelo de red neuronal convolucional para recuperar características sin volver a aprender. Mantener la media vectorial para el procesamiento. El último paso genera una clave de cifrado basada en el vector de características biométricas únicas de cada persona que se puede utilizar para algoritmos de cifrado simétrico para cifrar documentos personales en la PC personal o en la nube personal. Nuestro método basado en CNN utiliza datos biométricos para reconocer a las personas y crear claves de cifrado seguras y confiables con más del 99 % de precisión en las pruebas. Nuestro clasificador ANN profundo con una precisión del 98% supera la máquina de vectores de soporte y los clasificadores de bosque aleatorios. Universidad Nacional de Ingeniería (UNI) en Managua 2023-12-31 info:eu-repo/semantics/article info:eu-repo/semantics/publishedVersion Peer-Reviewed Article Artículo revisado por pares application/pdf https://www.camjol.info/index.php/NEXO/article/view/17447 10.5377/nexo.v36i06.17447 Nexo Scientific Journal; Vol. 36 No. 06 (2023); 906-925 Nexo Revista Científica; Vol. 36 Núm. 06 (2023); 906-925 1995-9516 1818-6742 eng https://www.camjol.info/index.php/NEXO/article/view/17447/21417 https://creativecommons.org/licenses/by-nc-nd/4.0/
institution Universidad Nacional de Ingeniería
collection Nexo Revista Científica
language eng
format Online
author Hashem, Mithak Ibrahim
Hasen Kuban, Kadhim
spellingShingle Hashem, Mithak Ibrahim
Hasen Kuban, Kadhim
Método de generación de claves a partir de imagen de huellas dactilares basado en un modelo de red neural convolucional profunda
author_facet Hashem, Mithak Ibrahim
Hasen Kuban, Kadhim
author_sort Hashem, Mithak Ibrahim
description La biometría afecta nuestra vida. Las aplicaciones de seguridad emplean biometría. El cifrado biométrico está creciendo. El cifrado requiere la creación de una clave biométrica. Largo, aleatorio e inesperado es la clave. La investigación sobre seguridad de la información y las comunicaciones hace hincapié en claves de cifrado largas y sólidas. El sistema propuesto utiliza biometría de huellas dactilares para generar una clave de cifrado biométrica aleatoria larga para el cifrado simétrico. El preprocesamiento eliminó el ruido de las imágenes de huellas dactilares de los donantes en el conjunto de datos. Luego, el programa entrena un modelo de red neuronal convolucional Tuned VGG-16 actualizable y lo prueba en imágenes de huellas dactilares para conocer las propiedades fundamentales de las huellas dactilares. El modelo CNN de red neuronal convolucional conserva los pesos finales para que el segundo modelo extraiga las características clave de cifrado. El aprendizaje por transferencia construyó un segundo modelo de red neuronal convolucional para recuperar características sin volver a aprender. Mantener la media vectorial para el procesamiento. El último paso genera una clave de cifrado basada en el vector de características biométricas únicas de cada persona que se puede utilizar para algoritmos de cifrado simétrico para cifrar documentos personales en la PC personal o en la nube personal. Nuestro método basado en CNN utiliza datos biométricos para reconocer a las personas y crear claves de cifrado seguras y confiables con más del 99 % de precisión en las pruebas. Nuestro clasificador ANN profundo con una precisión del 98% supera la máquina de vectores de soporte y los clasificadores de bosque aleatorios.
title Método de generación de claves a partir de imagen de huellas dactilares basado en un modelo de red neural convolucional profunda
title_short Método de generación de claves a partir de imagen de huellas dactilares basado en un modelo de red neural convolucional profunda
title_full Método de generación de claves a partir de imagen de huellas dactilares basado en un modelo de red neural convolucional profunda
title_fullStr Método de generación de claves a partir de imagen de huellas dactilares basado en un modelo de red neural convolucional profunda
title_full_unstemmed Método de generación de claves a partir de imagen de huellas dactilares basado en un modelo de red neural convolucional profunda
title_sort método de generación de claves a partir de imagen de huellas dactilares basado en un modelo de red neural convolucional profunda
title_alt Key generation method from fingerprint image based on deep convolutional neural network model
publisher Universidad Nacional de Ingeniería (UNI) en Managua
publishDate 2023
url https://www.camjol.info/index.php/NEXO/article/view/17447
work_keys_str_mv AT hashemmithakibrahim keygenerationmethodfromfingerprintimagebasedondeepconvolutionalneuralnetworkmodel
AT hasenkubankadhim keygenerationmethodfromfingerprintimagebasedondeepconvolutionalneuralnetworkmodel
AT hashemmithakibrahim metododegeneraciondeclavesapartirdeimagendehuellasdactilaresbasadoenunmodeloderedneuralconvolucionalprofunda
AT hasenkubankadhim metododegeneraciondeclavesapartirdeimagendehuellasdactilaresbasadoenunmodeloderedneuralconvolucionalprofunda
_version_ 1805399710645616640

Ejemplares similares